趙玉，張玉，嚴武

（1. 東華理工大學經濟與管理學院，江西 南昌 330013；2. 江西財經大學金融管理國際研究院，江西 南昌 330013）

糧農能對價格做出正確響應嗎？
——基于參照點效應的視角

趙玉1,2，張玉1，嚴武2

（1. 東華理工大學經濟與管理學院，江西 南昌 330013；2. 江西財經大學金融管理國際研究院，江西 南昌 330013）

研究糧農對價格信號的種植行為響應，對于解決糧食安全問題具有重要的現(xiàn)實意義。在前景理論框架下，分析了糧農對市場價格的種植決策響應機制。利用面板門限模型和2002年至2015年全國各省區(qū)糧食生產數(shù)據(jù)資料，檢驗了糧食價格的心理參照點效應對糧農種植行為的影響。研究發(fā)現(xiàn)，糧農種植行為具有參照點依賴的特征，即糧農對虧損和盈利的判斷是相對于價格參照點而言的。參數(shù)估計結果顯示，當糧農將市場狀態(tài)編輯為盈利前景時，糧農對價格信號反應不足，且是風險厭惡的；當糧農將市場狀態(tài)編輯為虧損前景時，糧農對價格信號反應過度，對風險和成本的反應不足。相較于市場的盈利前景，糧農對市場虧損前景下的谷物和油料價格更敏感。研究啟示在于，政策制定者應重視糧農市場預期及其種植行為的心理決策機制，結合糧農的價格參照點設計更靈活的糧食政策。

糧食生產；種植行為；價格預期；參照點效應；面板門限模型

Abstract：The study on the response of grain farmers to price signals has a great practical signifcance to solve the food security problem. Based on a panel data of grain farmers’ planting behaviors from some main grain production provinces or autonomous regions in China from 2002 to 2015 and applying the prospect theory and the threshold panel data model, this paper analyzed the mechanism of grain farmers’ planting response to market price. Results show that planting decision-making of grain farmers depends on the reference point, in that the judgment on loss and proft of grain farmers is relative to the price reference point. Parameter estimation results reveal that farmers are risk averse in market returns. However, the behaviors of grain farmers are not significantly affected by market risks from the perspective of market loss. Compared with market returns, grain farmers are more sensitive to the price of food and oil from the perspective of market loss. In summary, this paper suggests that policy makers should pay attention to grain farmers’ market expectations and the psychological decision-making mechanism of their planting behaviors, and then make some fexible grain price policies combined with the reference point of grain farmers.

Key words：grain production; planting behaviors; price expectations; anchoring effect; panel threshold model

隨著“十三五”期間糧食供給側改革政策文件的密集出臺，深入推進糧食供給側結構性改革已成為各級政府的重點工作。目前，糧食產業(yè)面臨著產量高、庫存量高、進口量高的“三高疊加”的嚴峻形勢和結構性隱患。糧食供給側結構性改革顯得必要而迫切。推動糧食供給側的改革，需要充分認識市場規(guī)律并發(fā)揮市場作用。2016年中央一號文件提出，按照“市場定價、價補分離”的原則，發(fā)揮市場在糧食價格形成中的決定性作用，引導農業(yè)生產結構的調整優(yōu)化。2017年中央一號文件再次提出，推進農業(yè)供給側結構性改革，要在確保國家糧食安全的基礎上，緊緊圍繞市場需求變化，增加農民收入，保障有效供給，提高農業(yè)供給質量。在調整和優(yōu)化糧食種植結構的背景下，如何發(fā)揮市場在資源配置中的決定作用是糧食供給側改革中面臨的重大現(xiàn)實問題。分析糧農對價格信號的行為響應是破題的關鍵。

糧農總是在價格變化的環(huán)境下做出生產決策。這種價格變化的環(huán)境是由氣候和病蟲害引發(fā)，而缺乏彈性的需求和供給進一步加強了糧食價格的波動。除了這些傳統(tǒng)的因素外，與能源、金融之間日益緊密的聯(lián)系也會降低糧食市場的穩(wěn)定性?，F(xiàn)代農戶會對市場刺激做出反應，如農戶在價格波動下往往根據(jù)預期價格做出最優(yōu)的種植決策[1]。價格對單個農戶種植結構的微觀影響主要表現(xiàn)為異質性風險偏好下個體價格預期及其種植行為響應，而價格對農業(yè)種植結構的宏觀影響主要表現(xiàn)為平均風險偏好下群體價格預期及其種植行為響應。Coyle等[2]和Hausman[3]使用上一個收割期到種植期的價格作為預期價格的代理變量，并使用全球產量響應模型估計了作物種植面積和預期價格之間的關系，研究表明糧農會根據(jù)預期價格調整其種植行為。糧農能夠根據(jù)糧食、油料等作物的價格預期相應增減種植面積，也能夠決定灌溉面積的大小和化肥用量的多少[4]。但這種反應有時是過度的，在農作物當年價格較高的情況下，部分農戶會在第二年跟風種植[5]，即對價格信號的過度反應導致了從眾效應。

在對15564名加拿大農戶抽樣調查后，Mattos和Fryza[6]發(fā)現(xiàn)農戶在銷售小麥時存在“出贏保虧”的心理認知偏差。農產品生產周期過長使得農戶處于價格波動的不確定環(huán)境中，這就突顯出了對農戶心理預期研究的重要性。在農產品生產周期中，行為主體的行為響應會受到框架效應和錨定效應的影響[7]，他們表現(xiàn)出來的損失厭惡、因時而異效應、羊群效應和框架效應等認知偏差影響了糧食市場的穩(wěn)定[8]。Bocqueho等[9]分別在期望效用和預期理論框架下，研究了法國農戶在不確定性環(huán)境下的經營行為，研究結果表明，農戶對損失的敏感度是對收益敏感度的兩倍，農戶傾向于高估小概率事件而低估大概率事件，從而表現(xiàn)出了過激的或保守的生產行為。

大量研究表明農戶是理性的，表現(xiàn)為他們有追求收益最大化的意愿。但是，受限于外部環(huán)境的不確定性和認知水平，農戶的理性總是有限的或者說農戶的理性是過程理性。當農產品價格波動時，農戶在市場上一方面表現(xiàn)出了“經濟人”的趨利、避害行為，另一方面表現(xiàn)出了“社會人”的從眾、錨定、處置等效應。由于存在錨定效應，農戶對下一期價格的預期，會受到上一期價格的影響[10]。他們在面對收益時，甚至是風險偏好的[11]。由農戶異質性市場預期引起的異質性行為是導致生產偏離均衡的根本原因，根據(jù)預期理論研究農戶生產行為，有助于設計更合適的農業(yè)政策、農產品訂單或農業(yè)保險合同[9]?？傊?，由于價格包含了豐富的信息，在分析農戶的種植行為時，有必要將價格變量加入模型中。但多數(shù)文獻將行為視作價格的線性函數(shù)，這既和行為經濟學中的前景理論相悖，也不能很好的刻畫現(xiàn)實生活中農戶的“社會人”特征，因此，相關的研究框架有待拓展。糧食價格中是否存在影響農戶種植決策的心理參照點？心理參照點是如何影響糧農種植行為的？如何根據(jù)農戶的“社會人”特征改進現(xiàn)有政策促進糧食種植業(yè)的可持續(xù)發(fā)展？以上問題都是值得深入研究的。

1 概念框架

1.1 市場風險與糧食生產

現(xiàn)有實證研究分別圍繞Nerlovian的局部校正模型和利潤最大化模型兩個理論框架討論價格對糧農種植決策或行為的影響。由供給理論衍生出來的局部校正模型同時分析了價格預期對產出或供給水平和調整速度的影響?；谏a者行為理論的利潤最大化模型，除了考慮農產品自身的價格外，還考慮了種植替代品的價格和要素的價格。除此之外近期的文獻試圖把兩個框架整合在一起，將替代品價格預期、要素價格和市場風險加入到計量模型中，研究種植決策變量對這些變量的動態(tài)響應[12]。

傳統(tǒng)的經濟理論認為農戶是追求利潤最大的“理性人”且他們是風險中性的。然而，現(xiàn)有文獻中農戶對不同農作物市場價格等因素的反應，揭示了農戶不是風險中性的[13]。在研究農戶種植行為時，比起“效率型農民”假說和“追求利潤型”農民假說，“有條件的利潤最大化”假說更符合糧農生產的現(xiàn)實狀況。這里的“有條件”既包含成本約束也包含風險約束。

假設一個非風險中性的糧農，需要做出生產決策，其中決策變量為耕地資源的配置，決策目標為利潤（效用）最大化。不確定性是農業(yè)生產的典型特征[14]，在不確定的市場環(huán)境下，農戶決定種植何種作物以及種植多少，并在種植過程中決定投入多少化肥等生產要素。這些決策變量會受到價格變量的影響。均值-方差效用函數(shù)常被用于分析農戶的風險決策行為[2,5,15]，在確定性等價原則下，市場風險條件下的糧農種植決策等價地轉換為期望效用最大化問題。該模型由利潤的一階矩和二階矩構成，形式如下，

式中：γ用以測量農戶的風險偏好程度。γ＞0表示風險偏好，γ＜0表示風險厭惡，γ=0表示風險中性。風險厭惡表明糧食的邊際生產成本低于糧食的銷售價格[15]。p表示作物收獲時的價格，在模型中為隨機變量，pe表示價格預期。糧農做決策時，他所面臨的要素價格w的信息是已知的，因此將其視為確定性變量。l為各種作物的種植面積向量。z為控制變量。在耕地總面積的約束下，由期望效用函數(shù)最大化時的一階條件得到耕地的決策行為方程[5]：

式中：Ωp表示糧食價格和替代作物價格的協(xié)方差矩陣，常被用在均值-方差函數(shù)中刻畫市場風險。

1.2 前景理論下的行為決策

Kahneman和Tversky[16]在批判Von Neumann—Morgenstem的期望效用理論基礎上，提出了包含“確定性效應、孤立效應和反射效應”的前景理論。期望效用理論使用了收益和損失客觀期望值（平均數(shù)）的概念，而前景理論（又被翻譯為期望理論）則使用了收益和損失主觀期望（即前景）的概念。前景理論更好的解釋了人們在不確定或風險環(huán)境下的決策行為。該理論中的確定性效應是指人們常常低估概率結果，這會導致人們在面對確定性收益時表現(xiàn)出風險厭惡情緒，而當選擇中包含確定性損失時表現(xiàn)出冒險精神。前景理論中所謂收益或損失并非一個絕對值，而是基于某一個參照水平的相對值。人們的心理決策活動可以分為編輯和評估兩個階段，在編輯階段中，由于有限理性，人們會更關注效用的相對變化值，在評價之初往往會形成一個主觀參考評價基準，即心理參照點[17]。

參照點是前景理論的核心概念，它由價值函數(shù)中的價值中性點給出。在決策過程的第一個階段，決策者將大于參照點的收益編輯為盈利前景，而低于參照點的收益編輯為虧損前景；在決策過程的第二個階段，決策者依據(jù)價值函數(shù)和權重函數(shù)對盈利前景或虧損前景做出評估。根據(jù)決策的兩個階段可知，人們的前期經驗與參照點相結合會對其隨后的風險偏好產生影響。人們對損失和收益的敏感程度不同，即損失帶來的痛苦要遠大于獲得帶來的快樂。因此，在決策過程的評估階段，人們對同樣大小的損失和收益，總是給前者賦以更大的權重。這一來源于行為經濟學實驗的論斷由前景理論S型價值函數(shù)來刻畫[16]。大量的實驗和調查數(shù)據(jù)表明，多數(shù)人的決策行為與前景理論相吻合。

若糧農的種植決策行為遵循前景理論，則在糧農的價格預期pe中一定存在一個參照點p0。當pe≤p0時，糧農將該狀況編輯為損失；當pe＞p0時，糧農將該狀況編輯為收益。因此，決策行為的方程也會發(fā)生變化：

基于前景理論中的參照點效應，本文提出了如下待驗證的命題：

①糧農不是風險中性的，市場風險會影響到糧農的種植行為。

②糧農的種植行為具有參照點依賴的特征，即糧農對損失和收益的判斷是相對于參照點而言的。

③面對收益時，糧農是風險厭惡的，面對損失時，糧農是風險偏好的。

④相較于收益，糧農對損失更敏感。

2 方法和數(shù)據(jù)

2.1 計量模型

在均值-方差的決策分析框架下，Haile等[1]給出了式（2）的計量方程：

式中：l表示糧食種植面積，pej表示糧農對第j種作物的價格預期，Ωjk表示第j和第k種作物價格的協(xié)方差，Z為控制變量，主要包括化肥等要素的價格，ε表示殘差項。參數(shù)α表示截距項，βj表示第j種作物的價格預期對種植決策的邊際效應，γjk表示第j和第k種作物價格的價格協(xié)方差對種植決策的邊際效應，θ表示控制變量的邊際效應，N表示作物的種類。

在前景理論框架下將式（4）改進為如下形式：

2.2 變量設置和數(shù)據(jù)來源

本研究中所涉及的谷物是指傳統(tǒng)的稻谷、小麥和玉米三大主糧。谷物的主要替代作物為油料作物?；蕿榧Z食種植業(yè)的重要生產資料。為了避免引入過多的變量所帶來的共線性問題，將油料價格作為替代作物價格的代理變量，將化肥價格作為生產要素價格的代理變量。農產品價格主要包括國際價格、消費者價格、批發(fā)市場價格、期貨價格和生產者價格。選擇不同的價格用以實證分析，估計得到的模型參數(shù)會存在一定差異。糧食的生產者價格是糧農出售糧食所使用的價格，也是糧食其他流通環(huán)節(jié)價格的基礎。糧農種植決策直接受到生產者價格的影響。因此，本文中的谷物價格和油料價格均使用了生產者價格。谷物種植面積、生產者價格指數(shù)和化肥價格指數(shù)的相關數(shù)據(jù)來源于2003年至2016年的《中國統(tǒng)計年鑒》和《中國農村統(tǒng)計年鑒》。糧農根據(jù)價格預期而不是實際農產品價格做出種植決策。雖然價格預期無法直接獲取，但根據(jù)預期理論，可以假設糧農當期的價格預期等于上期的實際價格[19,20]。由于本研究使用的年鑒數(shù)據(jù)是國家統(tǒng)計機關調研數(shù)據(jù)的平均值，因此，數(shù)據(jù)和模型刻畫的是一般意義上的“農戶”。雖然這些數(shù)據(jù)中遺漏了農戶個體決策行為的異質性，但所得出的結論更具一般性。

市場風險既包括可能的損失也包括潛在的收益。價格的方差和協(xié)方差僅刻畫了風險的大小，卻不能對收益和損失兩種風險狀態(tài)加以區(qū)分，因而并不是市場風險的最佳代理變量。前景理論認為，決策者自身的損益狀態(tài)是影響風險決策的重要因素。因此，在前景理論框架下，本文采取了與Haile等[1,21]不同的風險計量方式：使用既包含價格波動大小又包含價格波動方向的當期價格與上一期價格之差來刻畫糧農所面臨的市場風險。當期價格高于上一期價格時對應著客觀的收益狀態(tài)，糧農會獲得收益，當期價格低于上一期價格時對應著客觀的損失狀態(tài)，糧農會遭受損失。

2.3 模型估計過程

將除價格因素外的農業(yè)技術、糧食需求變化、資源稟賦、耕作制度和農業(yè)政策等變量的影響作為不可觀測成分加以估計，而這些不可觀測變量大多與農產品價格存在關聯(lián)[5]。根據(jù)Mundlak[22]的研究，當不可觀測成分與解釋變量相關時，在估計不可觀測成分時，應采用固定效應模型。因此，將模型（5）視為同時帶個體固定效應和時點固定效應的面板門限模型。

在冗余的固定效應檢驗結果中，Cross-section F和Cross-section Chi-square統(tǒng)計量的值分別為1 173.013和1 545.675，對應的概率均為小概率，因此，排除模型為混合面板模型的可能，采用固定效應模型來估計參數(shù)。分別估計個體固定效應、時點固定效應、個體和時點固定效應的面板模型，并對比估計結果（表1）。由表1的估計結果可知，個體固定效應模型參數(shù)與理論預期相吻合，且擬合優(yōu)度相對較高。時間固定效應模型參數(shù)均不顯著，擬合優(yōu)度最低，而個體時間固定效應模型的部分參數(shù)與理論預期并不吻合，且擬合優(yōu)度相對個體固定效應而言，提升并不明顯。另外，當截面?zhèn)€體數(shù)大于時點數(shù)時，伍德里奇建議采用個體固定效應模型。因此，本文選擇個體固定效應模型作為研究糧農種植行為的基準模型。對于個體數(shù)N較大，時期數(shù)T較小的短面板，Hansen[23]給出了面板門限模型的估計步驟和檢驗方法：

1）對所有變量做離差變換，消除個體固定效應（變化的截距項）。

2）使用兩步法估計模型參數(shù)和門限值，首先用普通最小二乘法得到參數(shù)向量估計值B0、殘差向量e0及殘差平方和S0。然后將門限變量的值由小到大排序，去掉最大和最小的5%門限變量值以消除極值的影響，在相應的區(qū)間內對門限變量進行格點搜索，對每一個格點重新計算參數(shù)的估計值、殘差向量及殘差平方和，選出最小的殘差平方和對應的門限值p0、參數(shù)向量B1、殘差向量e1、殘差平方和S1。

3）做假設檢驗。其中原假設為門限值不存在。在原假設成立的約束條件下，殘差平方和為S0，非約束條件下的殘差平方和為S1，根據(jù)Hansen提出的似然比檢驗統(tǒng)計量LR=N*(T-1)*[(S0-S1)/S1]，計算LR的統(tǒng)計值，其中N為個體數(shù)，T為時期數(shù)。

4）LR分布不再漸進的服從標準的卡方分布，采用自舉法推導統(tǒng)計量的臨界值。

5）當?shù)贸鲩T限值顯著的結論后，繼續(xù)檢驗是否存在第二個或更多的門限值。采用迭代和格點搜索數(shù)值計算方法得到門限值，相關統(tǒng)計量的估計參考了Bai和Perron[24,25]。

3 結果與分析

3.1 參數(shù)估計結果

為了使估計結果具有直觀的經濟意義，對種植面積、谷物價格預期、油料價格預期和化肥價格四個變量取對數(shù)之后再估計參數(shù)。谷物價格預期、油料價格預期、化肥價格、谷物市場風險、油料市場風險和價格協(xié)方差六個自變量的方差膨脹因子分別為2.639、2.606、1.313、2.917、2.924和1.336。方差膨脹因子小于5，說明自變量之間的多重共線性并不嚴重。

為了驗證經典文獻中的傳統(tǒng)面板數(shù)據(jù)模型將得出何種結論，并作為面板門限模型估計的參照對象，本文首先使用樣本數(shù)據(jù)得出個體固定效應、時點固定效應、個體和時點固定效應模型的估計結果（見表1），然后，在選擇合適的效應，進一步估計面板門限模型。

表1 農戶種植行為的固定效應方程估計結果Table 1 Estimation results of farmers’ planting behaviors of the fxed effect model

在個體固定效應模型的基礎上，首先對數(shù)據(jù)做離差變換，然后根據(jù)Hansen[23]、Bai和Perron[24]給出的計算和檢驗步驟，在Matlab2010上估計了谷物種植行為響應的面板門限方程，估計結果見表（2）。無門限回歸結果是經過離差變換剔除了個體固定效應后的估計結果，因此不含截距項。其參數(shù)和固定效應估計結果幾乎一致（表2）。

將谷物價格預期設置為門限變量，經過搜索和迭代，得到門限值為-0.069 5，原假設1為不存在門限效應時，LR值為27.003 0，由自舉法推導出其概率為0.063 3。因此，拒絕原假設1，認為至少存在1個門限。在該檢驗的基礎上，提出原假設2，即模型有且僅有1個門限，對應的LR值為24.526 2，由自舉法推導出其概率為0.433 3。因此，接受原假設2，認為模型僅存在1個門限。表2中報告了門限模型的估計結果，R2對應的F值表明盡管當門限值大于-0.069 5時，模型的擬合優(yōu)度為0.115 2，但該擬合優(yōu)度是顯著的，即擬合得到的方程是有意義的。表2中另外兩個方程的擬合優(yōu)度也是顯著的。DW值表明門限模型的殘差項不存在自相關性。由觀測值個數(shù)可知，糧農在多數(shù)情況下保持了一個較高的價格預期水平。

參數(shù)估計結果表明，當谷物價格預期小于等于門限值時，糧農表現(xiàn)出了有限理性的一面：谷物價格預期增加1%，谷物播種面積約增長1.37%，油料作物價格預期增加1%，谷物播種面積約下降1.17%；此時，化肥價格的變化對谷物播種面積的影響不顯著，客觀的市場風險對谷物的種植面積影響也不顯著。這表明當糧農將市場狀態(tài)編輯為虧損時，其種植行為主要受到產品價格預期的影響，而對生產成本和風險并不敏感。當谷物價格預期大于門限值時，糧農表現(xiàn)出了理性的一面：谷物價格預期增加1%，谷物播種面積約增長0.41%，油料作物價格預期增加1%，谷物播種面積約下降0.28%；化肥價格上漲1%，谷物播種面積約減少0.17%；谷物市場風險增加，谷物播種面積將會減少，種植替代品油料作物的市場風險增加，谷物播種面積會增加，這說明當糧農將市場狀態(tài)編輯為收益時，他仍然是風險厭惡的。對比兩種狀態(tài)下的參數(shù)，由價格預期彈性值的變化可知，相較于收益，糧農對損失更敏感，即損失狀態(tài)下，糧農對價格信號的反應更強烈。

表2 離差變換后的農戶種植行為響應方程估計結果Table 2 Estimation results of farmers’ planting response behaviors of the differencing model

3.2 模型穩(wěn)定性檢驗

表3報告了離差變換后的谷物種植行為響應方程穩(wěn)定性檢驗結果。通過對方程殘差項面板單位根的檢驗可知，無門限變量的種植行為響應方程和帶門限變量的種植行為響應方程都是穩(wěn)定的，但帶門限變量的種植行為響應方程穩(wěn)定性更好。檢驗結果在1%的顯著水平下拒絕了“存在共同單位根”和“存在個體單位根”的原假設?；陂T限方程（5）所估計出來的參數(shù)得到的結論是可靠的。

表3 種植行為響應方程的穩(wěn)定性檢驗結果Table 3 Stationary test results of farmers’ planting behavior response model

無論是傳統(tǒng)的面板模型還是面板門限模型，都不支持農戶是風險中性的，即市場風險會影響農戶的種植行為。在收益相同的情況下，農戶更傾向于將耕地配置到風險低的作物上。根據(jù)統(tǒng)計結果，模型中存在一個門限值。這表明糧農價格預期中存在一個價格參照點，該參照點在主觀上將市場狀態(tài)劃分為收益和損失，進而影響糧農的種植行為，即糧農的種植行為具有參照點依賴的特征，糧農對損失和收益的判斷是相對于參照點而言的。由此可知，糧農的決策既受到客觀風險的約束，又受到主觀風險的影響。

4 主要結論

第一，納入參照點的決策行為分析框架可以更合理地分析不確定性環(huán)境下農戶的生產行為。糧價參照點是在諸如價格支持、糧食收儲、生產資料補貼等支農惠農政策環(huán)境中形成的。這一參照點導致了糧農對糧食市場產生估測偏見，使得糧農有時無法對價格做出正確響應。其主要表現(xiàn)之一為盈利和虧損前景下決策行為的非對稱響應——對價格信號的反應不足或反應過度。長期的政策干預使得糧農對糧食市場產生過度樂觀的情緒，以至于當糧食價格預期低于價格參照點時，由于相信政府會補貼生產資料、托市收購，糧農會對生產成本和價格風險反應不足。

第二，評估糧農群體預期的參照點，能夠將糧農價格預期區(qū)分為盈利前景和虧損前景。經過離差變換后的參照點為-0.069 5。這一參照點對應的谷物生產者價格指數(shù)（環(huán)比，下同）為98.8。當上一年度生產者價格指數(shù)高于98.8時，糧農會將該行情編輯為盈利前景，當上一年生產者價格指數(shù)低于98.8時，糧農會將該行情編輯為虧損前景。一旦糧農對未來行情做出盈利和虧損的判斷，其生產行為決策將相應發(fā)生調整。如何根據(jù)糧農價格預期的參照點制定更合適的糧食政策，以提高政策的效率和幸福含量是值得政策制定者思考的問題。

第三，在盈利前景下，糧農對價格預期的響應較為保守，這導致糧食種植面積是缺乏價格彈性的。此時，糧農表現(xiàn)出了“落袋為安”的風險厭惡心理。糧食價格風險越高，糧食種植面積越小，而替代作物價格風險越低，糧農會減少糧食種植面積轉而種植替代作物。在虧損前景下，糧農對價格預期的響應較為激進。這導致糧食種植面積是富有價格彈性的。此時，糧農并未表現(xiàn)出對價格風險的排斥心理，并且對成本信號的響應也是不充分的。盈利前景下的樣本數(shù)量為293個，而虧損前景下的樣本數(shù)為45個。由此可知，糧農大多數(shù)情況下是在盈利前景下做出種植決策的。

5 啟示和展望

在前景理論的概念框架下，利用面板門限模型和2002至2015年全國各省區(qū)糧食生產數(shù)據(jù)資料，分析了糧農對價格信號的種植行為響應這一重要現(xiàn)實問題。重點回答了“糧食價格中是否存在影響農戶種植決策的心理參照點？心理參照點是如何影響糧農種植行為的？”兩個科學問題。研究發(fā)現(xiàn)參照點效應影響了糧農對種糧收益和損失的判斷，并進一步影響了糧農種植行為。

研究的啟示在于，政策制定者應重視糧農市場預期和其種植行為的心理決策機制，結合糧農的價格參照點設計糧食政策。一方面，提高糧食政策的靈活性，在不同的預期狀態(tài)下實施不同的支持政策。當糧農價格預期低于參照點時，應穩(wěn)定糧食、油料作物等農產品的價格，此時減少化肥等生產資料的補貼并不會減少糧食種植面積；當糧農價格預期高于參照點時，應加強糧油等農產品市場風險的管理，避免化肥等生產資料價格大幅上漲對糧食生產帶來的負面沖擊。另一方面，應做好糧食等農產品的市場信息采集和發(fā)布工作，及時向農戶傳遞有效的市場信息，幫助其形成正確的價格預期，減少糧農對市場的誤判。同時，還應重視糧食期貨市場對信息資源的配置，做好期貨市場和糧食生產環(huán)節(jié)的銜接，發(fā)揮衍生品在糧食價格發(fā)現(xiàn)中的引導作用，為糧農提供合理的價格參照點。

本研究采用宏觀數(shù)據(jù)檢驗和分析了價格參照點的存在性及其對糧農種植行為的影響。未來還需要通過經濟學實驗和微觀調查數(shù)據(jù)研究參照點產生的原因和機理。糧食宏觀調控機制在發(fā)揮重要作用的同時，逐步暴露出諸如市場的作用不斷弱化、調控政策的保障力和執(zhí)行力出現(xiàn)下降趨勢以及政策調整滯后于市場化形勢的發(fā)展等問題[26]。充分運用行為經濟學原理，發(fā)掘農戶在決策時的心理特點與影響因素，在更符合現(xiàn)實農民心理和行為規(guī)律的情景下制定政策目標和激勵政策，可以增強政策激勵的準確性和有效性[27]。糧價參照點并非固定不變的。它本質上是糧農的一種信念，由行為主體的認知能力決定，與其歷史經驗有關，并受到外部信息的影響。這種信念最終導致糧食供給價格彈性和交叉彈性都發(fā)生了變化，破壞了糧食市場的均衡。隨著行為經濟學和認知心理學的發(fā)展以及相關研究方法的不斷成熟，農民經濟學和農業(yè)經濟學的相關研究需要更加關注農戶資源配置決策偏差產生的心理原因和心理過程。

[1] Haile M G, Kalkuhl M, Braun J V. Inter-and intra-seasonal crop acreage response to international food prices and implications of volatility[J]. Agricultural Economics, 2014, 45(6): 693-710.

[2] Coyle B T, Wei R, Rude J. Dynamic econometric models of Manitoba crop production and hypothetical production impacts for CAIS[R]. CATPRN Working Paper 2008-06. Department of Agribusiness and Agricultural Economics, University of Manitoba, Manitoba, 2008.

[3] Hausman C. Biofuels and land use change: sugarcane and soybean acreage response in Brazil[J]. Environmental and Resource Economics, 2012, 51(2): 163-187.

[4] 田文勇, 張會幈, 黃超, 等. 農戶種植結構調整行為的影響因素研究——基于貴州省的實證[J]. 中國農業(yè)資源與區(qū)劃, 2016, 37(4): 147-153.

Tian W Y, Zhang H P, Huang C, et al. Study on the factors influencing farmers planting structure adjustment behavior: An empirical analysis based on Guizhou Province[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2016, 37(4): 147-153.

[5] 趙玉, 嚴武. 市場風險、價格預期與農戶種植行為響應——基于糧食主產區(qū)的實證[J]. 農業(yè)現(xiàn)代化研究, 2016, 37(1): 50-56.

Zhao Y, Yan W. Farmers’ planting responses to market risks and price expectations: An empirical analysis of major grain producing areas[J]. Research of Agricultural Modernization, 2016, 37(1): 50-56.

[6] Mattos F L, Fryza S A. Do farmers exhibit disposition effect? Evidence from grain markets[J]. Managerial Finance, 2014, 40(5): 487-505.

[7] Lee S, Park H S. Effects of message framing and anchoring on reaching public consensus on the Korea–U.S. FTA issue[J]. Communication Research, 2013, 40(2): 176-192.

[8] Timmer C P. Behavioral dimensions of food security[J]. Proceedings of the National Academy of Sciences, 2012, 109(31): 12315-12320.

[9] Bocqueho G, Jacquet F, Reynaud A. Expected utility or prospect theory maximisers? Assessing farmers’ risk behavior from feldexperiment data[J]. European Review of Agricultural Economics, 2014, 41(1): 135-172.

[10] Holst G S, Hermann D, Musshoff O. Anchoring effects in an experimental auction-Are farmers anchored?[J]. Journal of Economic Psychology, 2014, 48: 106-117.

[11] Maertens A, Chari A V, Just D R. Why farmers sometimes love risks: Evidence from India[J]. Economic Development and Cultural Change, 2014, 62(2): 239-274.

[12] Haile M G, Kalkuhl M. Agricultural supply response to international food prices and price volatility: A cross-country panel analysis [J]. Neuron, 2013, 38(3): 487-497.

[13] Donato R, Carraro A. Modeling acreage, production and yield supply response to domestic price volatility[C]. Fourth Congress, June 11-12, 2015, Ancona, Italy. Italian Association of Agricultural and Applied Economics (AIEAA), 2015.

[14] Moschini G, Hennessy D A. Chapter 2: Uncertainty, Risk Aversion, and Risk Management for Agricultural Producers[M]. Handbook of Agricultural Economics, Elsevier B.V. 2001.

[15] Lansink A O. Area allocation under price uncertainty on Dutch arable farms[J]. Journal of Agricultural Economics, 1999, 50(1): 93-105.

[16] Kahneman D, Tversky A. Prospect theory: An analysis of decision under risk[J]. Econometrica, 1979, 47(2): 263-291.

[17] 張維康, 曾揚一, 傅新紅, 等. 心理參照點、支付意愿與灌溉水價——以四川省20縣區(qū)567戶農民為例[J]. 資源科學, 2014, 36(10): 2020-2028.

Zhang W K, Zeng Y Y, Fu X H, et al. Psychological reference point, willing to pay and irrigation water price: Evidence of 567 farmers from 20 counties in Sichuan[J]. Resources Science, 2014, 36(10): 2020-2028.

[18] Roberts M J, Schlenker W. World supply and demand of food commodity calories[J]. American Journal of Agricultural Economics, 2009, 91(5): 1235-1242.

[19] 王天窮, 于冷. 玉米預期價格對農戶玉米種植影響的研究——基于吉、黑兩省玉米種植戶的調查[J]. 吉林農業(yè)大學學報, 2014(5): 615-622.

Wang T Q, Yu L. How expected prices of the corn affect farmers’planting decision: Based on the survey of corn farmers in Jilin and Heilongjiang Province[J]. Journal of Jilin Agricultural University, 2014(5): 615-622.

[20] 雷欽禮. 中國糧食生產的價格作用機制分析[J]. 統(tǒng)計研究, 2005(3): 24-28.

Lei Q L. The impacts of price mechanism on China’s grain production[J]. Statistical Research, 2005(3): 24-28.

[21] Haile M G, Kalkuhl M, Braun J V. Worldwide acreage and yield response to international price change and volatility: A dynamic panel data analysis for wheat, rice, corn, and soybeans[J]. American Journal of Agricultural Economics, 2016, 97(1): 1-19.

[22] Mundlak, Y. On the pooling of times series and cross section data[J]. Econometrica, 1978, 46(1): 48-50.

[23] Hansen B E. Threshold effects in non-dynamic panels: Estimation, testing, and inference[J]. Journal of Econometrics, 1999, 93(2): 345-368.

[24] Bai J, Perron P. Estimating and testing linear models with multiple structural changes[J]. Econometrica, 1998, 66(1): 47-78.

[25] Bai J, Perron P. Critical values for multiple structural change tests[J]. The Econometrics Journal, 2003, 6(1): 72-78.

[26] 鐘鈺, 陳博文, 孫林, 等. 泰國大米價格支持政策實踐及啟示[J].農業(yè)經濟問題, 2014(10): 103-109, 112.

Zhong Y, Chen B W, Sun L, et al. The practice of rice price support policy in Thailand and its implications for China[J]. Issues in Agricultural Economy, 2014(10):103-109,112.

[27] 稅尚楠. 運用行為經濟學提高農業(yè)政策的效率和幸福含量[J].農業(yè)經濟問題, 2011(6): 4-8.

Shui S N. Enhance policy efficiency and happiness content in agricultural policy by applying behavior economics[J]. Issues in Agricultural Economy, 2011(6): 4-8.

（責任編輯：王育花）

Can grain farmers correctly respond to prices? From an anchoring effect perspective

ZHAO Yu1,2, ZHANG Yu1, YAN Wu2
（1. College of Economics & Management, East China University of Technology, Nanchang, Jiangxi 330013, China; 2 International Institute for Financial Studies, Jiangxi University of Finance and Economics, Nanchang, Jiangxi 330013, China）

F326.1；F202 文獻標識碼：A 文章編號：1000-0275（2017）04-0597-08

10.13872/j.1000-0275.2017.0055

趙玉, 張玉, 嚴武. 糧農能對價格做出正確響應嗎？——基于參照點效應的視角[J]. 農業(yè)現(xiàn)代化研究, 2017, 38(4): 597-604. Zhao Y, Zhang Y, Yan W. Can grain farmers correctly respond to prices? From an anchoring effect perspective[J]. Research of Agricultural Modernization, 2017, 38(4): 597-604.

國家自然科學基金項目（71503038）；中國博士后科學基金項目（2015M570564）；中國博士后科學基金特別資助項目（2016T90602）。

趙玉（1982-），男，河北辛集人，博士，副教授，主要從事價格理論、風險管理等研究，E-mail：zyzyonly@ecit.edu.cn。

2017-04-08；接受日期：2017-05-26

Foundation item: National Natural Science Foundation of China (71503038); China Postdoctoral Science Foundation Funded Project (2015M570564, 2016T90602).

Corresponding author: ZHAO Yu, zyzyonly@ecit.edu.cn.

Received 8 April, 2017;Accepted 26 May, 2017